Negative Self-Distillation：让 LLM 通过避开缺陷来学习推理

针对 On-Policy Self-Distillation（OPSD）在复杂推理任务上会抑制模型不确定性表达、惩罚探索与自我纠错行为的问题，研究者提出 Negative Self-Distillation（NSD）框架，让模型自行生成问题特定的负面条件（如扮演"粗心推理者"），并将学生分布推离这一自生成负面教师，而非模仿特权解答。